Використання парадигми ймовірнісного програмування в машинному навчанні

Abstract

Досліджено використання імовірнісного програмування у машинному навчанні, як спосіб визначення найбільш інформативними ознак у наборі даних, на основі баєсівського виводу. У сучасний час, коли використання машинного навчання все більше впроваджується в різні сфери нашого життя і постійно вимагає все кращих результатів, доводиться ретельніше вивчати наявні проблеми в алгоритмах навчання і шляхи їх уникнення. Кількість різних даних, на яких можна навчати алгоритми, зростає, як і складність цих даних. Зазвичай в даних можуть бути присутні шуми, викиди, може бути безліч ознак і може бути складно визначити чи буде обрана ознака інформативною або, навпаки, вона тільки погіршить якість навчання. Історично одним із способів допомогти у прийнятті рішень в умовах невизначеності було використання імовірнісної системи міркувань. Імовірнісні міркування об’єднують наші знання про ситуацію з законами імовірності для визначення тих неспостережуваних чинників, які мають вирішальне значення для прийняття рішення. Імовірнісне програмування – це спосіб створення систем, які допомагають приймати рішення в умовах невизначеності. Багато повсякденних рішень включають судження у визначенні відповідних факторів, які ми не спостерігаємо безпосередньо. В імовірнісному міркуванні створюється модель, яка збирає всі відповідні загальні знання області в кількісному, імовірнісному вираженні.